AI  DEFINICE WIKIPEDIA  Strojové učení  Neuronové sítě  Bayesovské sítě  Expertní systémy  Dobývání znalostí  Fuzzy logika  Evoluční algoritmy  Multiagentní systémy

Umělá inteligence (UI, anglicky artificial intelligence – zkráceně AI) je obor informatiky zaměřený na vývoj systémů, které jsou schopny na základě velkých objemů dat vnímat okolí, učit se z něj, vyvozovat závěry a činit rozhodnutí nebo predikce za účelem dosažení stanovených cílů. Tyto systémy se uplatňují při řešení úloh, které by jinak vyžadovaly lidskou inteligenci, například při rozpoznávání obrazu, zpracování přirozeného jazyka, diagnostice, klasifikaci nebo plánování.

Oblasti umělé inteligence

Strojové učení
Strojové učení je podoblastí umělé inteligence, zabývající se algoritmy, které umožňují počítačovému systému „učit se“. Učením v daném kontextu rozumíme takovou změnu vnitřního stavu systému, která zefektivní schopnost přizpůsobení se změnám okolního prostředí. Strojové učení má široké uplatnění. Jeho techniky se využívají pro rozpoznávání a kompresi obrazů či akustických (např. rozpoznávání řeči) nebo elektrických (např. EKG, EEG) signálů, klasifikaci či segmentaci dat, předvídání vývoje časových řad (např. burzovních indexů), k rozpoznávání psaného textu či k filtrování spamu. V lékařství slouží k diagnostice onemocnění a v řízení pro podporu rozhodování.

Neuronové sítě
Umělé neuronové sítě v umělé inteligenci jsou volně inspirovány odpovídajícími biologickými strukturami. Oproti nim jsou však značně zjednodušeny a používají jiné mechanismy učení, než jaké používá např. lidský mozek. Cílem totiž není věrně simulovat biologické struktury, ale především řešit praktické problémy. Jedná se o přístup ke strojovému učení, který se stal velmi úspěšným. Neuronové sítě se používají mimo jiné k rozpoznávání a kompresi obrazů či akustických (např. rozpoznávání řeči) nebo elektrických (např. EKG, EEG) signálů, klasifikaci či segmentaci dat, předvídání vývoje časových řad (např. burzovních indexů), k rozpoznávání psaného textu či k filtrování spamu. Tvorbou biologicky věrných modelů neuronů a neuronových sítí se zabývají výpočetní neurovědy, prohlubující znalosti o fungování informačních systémů (nervových soustav) živých organismů. Například Grossbergova neuronová síť vznikla původně jako simulace fyziologického modelu rozpoznávání vzorů na sítnici lidského oka.

Bayesovské sítě
Bayesovská síť je pravděpodobnostní model, který využívá grafovou reprezentaci pro zobrazení pravděpodobnostních vztahů mezi jednotlivými jevy. Využívá se pro určení pravděpodobnosti určitých jevů, přičemž vychází ze základu teorie pravděpodobnosti. Bayesovská síť je acyklický orientovaný graf, kde každý uzel odpovídá jedné náhodné veličině, přičemž každý graf typicky obsahuje několik veličin/uzlů. Všechny veličiny v grafu se vztahují k neznámému jevu, přičemž každá veličina je reprezentována jedním uzlem a větve (neboli vztahy) mezi uzly zobrazují pravděpodobnostní závislost mezi vybranými veličinami. Tyto závislosti se obvykle vypočítávají na základě statistických metod.

Expertní systémy
Expertní systém je počítačový program, který má za úkol poskytovat expertní rady, rozhodnutí nebo doporučit řešení v konkrétní situaci. Expertní systémy jsou navrženy tak, aby mohly zpracovávat nenumerické a neurčité informace a řešit tak úlohy, které nejsou řešitelné tradičními algoritmickými postupy. Expertní systém má dvě základní komponenty, které jsou na sobě relativně nezávislé. Řídící mechanismus pro odvozování závěrů a Bázi znalostí. V průběhu zpracovávání se k bázi znalostí přidávají dočasné informace o řešeném případu.

Dobývání znalostí
Data mining (dolování z dat či vytěžování dat) je analytická metodologie získávání netriviálních skrytých a potenciálně užitečných informací z dat. Někdy se chápe jako analytická součást dobývání znalostí z databází (Knowledge Discovery in Databases, KDD), jindy se tato dvě označení chápou jako souznačná. Často dochází také k překryvu s termínem data science, který bývá obvykle chápán šířeji než data mining. Data mining se používá v komerční sféře (například v marketingu při rozhodování, které klienty oslovit dopisem s nabídkou produktu), ve vědeckém výzkumu (například při analýze genetické informace) i v jiných oblastech (například při monitorování aktivit na internetu s cílem odhalit činnost potenciálních škůdců a teroristů).

Fuzzy logika
Fuzzy logika je podobor matematické logiky odvozený od teorie fuzzy množin, v němž se logické výroky ohodnocují mírou pravdivosti. Liší se tak od klasické výrokové logiky, která používá pouze dvě logické hodnoty – nepravdu a pravdu, tj. nulu a jedničku. Fuzzy logika může operovat se všemi hodnotami z intervalu ⟨0,1⟩, kterých je nekonečně mnoho. Fuzzy logika může být pro řadu reálných rozhodovacích úloh vhodnější než klasická logika, protože usnadňuje návrh složitých řídicích systémů.

Evoluční algoritmy
Evoluční algoritmy se užívají k nalezení dostatečně kvalitního řešení optimalizačních úloh v dostatečně krátkém čase. Mezi evoluční algoritmy inspirované přírodou se zahrnuje celé spektrum optimalizačních heuristických technik, např. genetické algoritmy či simulované žíhání. Heuristiky můžeme popsat jako zkratkovitý postup prohledávání prostoru řešení bez záruky správného výsledku, nicméně jsou zbaveny celé řady neduhů konvenčních optimalizačních metod, jako např. požadavek spojitosti či diferencovatelnosti objektivní resp. vazební funkce, respektování omezujících podmínek, uvíznutí v mělkém lokálním minimu atd. Na druhou stranu však je při jejich aplikaci zapotřebí nastavení jistých volných parametrů, které je nutné „naladit“ v závislosti na konkrétním optimalizačním problému.

Multiagentní systémy
Multiagentní systém je simulované prostředí se síťovým charakterem, v němž dochází k interakci (po větvi sítě) agentů (uzlů sítě) mezi sebou a / nebo s prostředím, ve kterém se nacházejí. Tito agenti řeší společně problémy, které přesahují znalosti každého z nich. Mezi multiagentní systémy se řadí např. strategie ptačího hejna (Particle Swarm Optimization (PSO)) či strategie mravenčí kolonie (Ant Colony Optimization (ACO)).

Prohledávání stavového prostoru
Zvláště při vytváření algoritmů na řešení klasických her (šachů, dámy) se jeví účelné zadefinovat si množinu stavů, do kterých se můžeme ve hře dostat, přípustné tahy neboli přechody mezi stavy a počáteční a koncové pozice. Hledáme pak cestu od počátečních stavů ke koncovým stavům, které znamenají náš úspěch. Jelikož mohou být stavové prostory rozsáhlé (např. ve hře go) a v některých případech i nekonečné, je třeba volit chytré metody ořezávání nevhodných cest a ohodnocování pozic.

Robotika
Robotika je věda o robotech, jejich designu, výrobě a aplikacích. Robot může buď pomáhat, nebo dělat lidskou práci, popř. zajišťovat i komfort společnosti. Robotika úzce souvisí s elektronikou, mechanikou a aplikovaným softwarem.

Počítačové vidění
Jde o vidění zobecněné: Zdaleka ne jen viditelným světlem, dokonce ani vůbec ne světlem, nýbrž třeba akusticky, obecně tedy echolokací.

ve 2D:
Detekce hran v obrazu, jejich aproximační prodloužení, ohodnocení významnosti detekovaných hran, odstranění vlivu různého jasu napříč obrazem.
Optické rozpoznávání znaků pro rozpoznávání tištěného textu, rozpoznávání ručně psaného textu. Schopnost rozpoznávání předmětů pootočených, skloněných, jinak barevných či dokonce vzorovaných, neúplných oříznutím nebo zašuměním.
Rozpoznávání tvarů a z nich usuzování na objekty reálného světa (dokonce i s určením pravděpodobnosti), typicky z fotografií.
Realtime detekce tváře ve snímcích videa, nejsnáze podle předem zadaných bodů k hledání a jejich vzájemných vztahů: vzdáleností. Obecně detekce předepsaného vzoru v obraze.
ve 3D:
Odstranění paralaxy (zkreslení ubíháním rovnoběžek), například použitím maticové transformace, jejím autonomním nalezením. Rozpoznání identity s již viděným (známým) objektem, nyní však pozorovaným z jiného úhlu.
Samostatné zorientování se v prostoru: určení směrů souřadnicového systému okolního prostoru.
Uvědomění si vlastní polohy v okolním prostoru při (nedokonalém) sběru dat o okolí, vytváření vnitřního modelu o něm: typicky mapy. Klíčové pro autonomně se pohybující roboty: Nekonečná smyčka střídání kroků v prostoru / na mapě.
Zpracování přirozeného jazyka
Podrobnější informace naleznete v článcích Zpracování přirozeného jazyka, počítačová lingvistika a matematická lingvistika.
Počítačové zpracování přirozeného jazyka (Natural Language Processing, NLP) se zabývá analýzou, transformací či generování textů nebo mluveného slova. Aplikacemi NLP jsou např. strojový překlad, automatické zodpovídání dotazů (pro chatboty a podobně), dolování z textu, výtah z textu (automatická sumarizace), automatická korektura textu, extrakce informací z korpusů textů, generování přirozeného jazyka, rozpoznávání řeči a její syntéza. Kolem roku 2010 toto pole v zásadě ovládly technologie založené na hlubokém učení, jež zpravidla vykazují vyšší kvalitu než starší technologie založené např. na lingvistické analýze textu.

Velké jazykové modely (LLM – large language model) využívají například aplikace ChatGPT od OpenAI, Claude od Anthropic, Meta AI od společnosti Meta, Grok od xAI, nebo Gemini od Google. Tyto programy excelují v memorování, ale mají problémy vyfiltrovat během komunikace s lidmi informace z šumu.

Problematika
Antropomorfizace a personifikace
Lidé projektují do umělé inteligence sami sebe. Běžná je antropomorfizace umělé inteligence, kdy lidé mají tendenci umělé inteligenci (ale i strojům, zvířatům, věcem) přisuzovat lidské vlastnosti, emoce, úmysly nebo vědomí (personifikace). Přestože umělá inteligence dokáže například pomocí chatbotů přesvědčivě simulovat lidskou konverzaci, stále se jedná o statistické modely pracující s daty, nikoliv o bytost s vědomím. Rizikem je pak emociální vazba člověka k umělé inteligenci, zkreslené vnímání jejího skutečného stavu, což je dáno tím, že člověk snadněji chápe složité struktury skrze zjednodušení a skrze lidské analogie (např. chytrý pomocník).

Další problémy
Problémem je, že se AI chová jako černá skříňka. Volá se proto po vysvětlitelné AI (XAI).
AI může odstranit lidské kognitivní zkreslení. Může ovšem zavést vlastní zkreslení.Lidské i umělé myšlení tedy lze i podvést.Záleží na způsobu výběru dat k učení. Umělá inteligence tak může být například zpolitizovaná. Dle studie zveřejněné v časopise Nature mají systémy umělé inteligence tendenci přebírat lidské předsudky a zesilovat je, což může způsobit u uživatelů AI, že budou více předpojatí.Pokud se AI učí na datech od AI, tak se výsledky zhoršují.
AI nepozná, co je pravda.Ve skutečnosti není inteligentní, protože logicky neuvažuje.
Existují výpočetní problémy, které nelze vyřešit bez ohledu na výpočetní výkon a dobu běhu, které limitují umělou inteligenci.
Nelze zabránit, aby z dat pro AI unikaly informace.
Protože technologie mohou být pro člověka nebezpečné, formulovala koncem dubna 2019 Evropská komise etické zásady vývoje systémů s umělou inteligencí:
Možnost řízení a dohledu ze strany člověka
Robustnost a bezpečnost
Ochrana soukromí a dat (může vyřešit plně homomorfní šifrování)
Transparentnost
Zákaz diskriminace a rovné zacházení
Společenský a environmentální prospěch
Odpovědnost.
Regulace
EU zvažuje zakázat či omezit umělou inteligenci při identifikaci lidí na veřejnosti. Organizace spojených národů přijala roku 2024 rezoluci, která varuje před zneužíváním AI. V dubnu 2024 zveřejnila společnost Turnitin studii, v níž uvádí, že umělá inteligence vygenerovala již miliony diplomových prací. Asi 20 % vědeckých článků bylo podle studie z roku 2025 rovněž alespoň částečně generováno umělou inteligencí, podobně na tom pak byly i samotné recenze těchto článků.

Problém zákazu diskriminace je v tom, že diskriminace je chování, preference určitých hodnot, kategorií či parametrů, které běžně lidé volí, aniž by si toho byli vědomi. Často je toto diskriminační chování objeveno, až když se na základě dat z takového chování učí umělá inteligence. Tento problém se projevil např. v oddělení lidských zdrojů společnosti Amazon, jejichž systém vyhodnotil pohlaví jako jeden z výběrových parametrů a životopisy žen hodnotil tak, že jim dával záporné body. To bylo proto, že pro učení byla použita data, která často mapovala technické pozice, na které se častěji hlásili muži.

Autorské právo
Existuje i právní problematika, protože umělá inteligence se učí i na dílech podléhající autorskému právu. V USA tak vyvstává otázka, do jaké míry je to fair use. Velké jazykové modely také pracují s daty poskytnutými uživateli. Některé z nich, například ChatGPT, se snaží touto problematiku deeskalovat pomocí individuálního uživatelského nastavení.

Spotřeba
Spotřeba energie je u AI značná. Přispívá tak k znečištění životního prostředí exhalacemi při výrobě elektrické energie, čímž se v USA podílí na zdravotních nákladech (rakovina, astma, další nemoci a zameškané pracovní a školní dny) odhadovaných v roce 2030 na 20 miliard dolarů ročně.Emise nevyvažují úspory, které AI přináší. Emise rostou rychleji než finanční přínos.

Rizika AI
Návrh evropského Aktu o umělé inteligenci rozlišuje tyto kategorie rizik:

Nepřijatelné riziko (hrozba pro člověka),
Vysoké riziko (negativní dopad na bezpečnost nebo základní práva),
Omezené riziko – požadavky na transparentnost, aby uživatelé mohli činit informovaná rozhodnutí. Do této kategorie bude patřit i generativní umělá inteligence, jako je ChatGPT.
Více než dvě třetiny expertů předpokládají více dobré než špatné důsledky AI.Analytici ovšem zvažují i možné katastrofální důsledky zavedení umělé inteligence včetně rizika brzkého zániku lidstva, jak varuje například studie AI 2027 z roku 2025.

Při dotazování AI (včetně internetových vyhledávačů) uživatel nesmí zadávat osobní údaje, protože je lze z modelu AI získat zpět (převážně, pokud je AI používá k trénování).[60] Tedy především nedávat jména, adresy, identifikační čísla či jiné citlivé údaje, protože může tak jít i o porušení GDPR. Ale i specializované zdravotnické AI představují riziko úniku citlivých osobních údajů.

AI boom může potenciálně vést k vzniku ekonomické bubliny a následné hospodářské krizi. Této hypotéze se říká AI bublina.

Podle některých odhadů a varování z roku 2026 může AI v České republice vyvolat vlnu propouštění, přičemž se teoreticky očekává nárůst nezaměstnanosti až na 10 %.

Přehnané spoléhání na umělou inteligenci může vést k erozi kritického myšlení nebo rozvoji některých příznaků psychózy.